RAG 的最小可用架構：五個元件與它們的失敗模式
先把架構圖看懂，再談優化。這篇拆解 RAG 的五個元件，以及每個元件壞掉時使用者會看到什麼症狀。
切塊策略比較：固定長度、語意邊界與結構感知
切塊是 RAG 影響最大也最便宜的調整點。三種策略的適用文件類型完全不同。
混合檢索：向量搜尋補不上的那一塊
產品型號、錯誤代碼、人名這類字串，向量搜尋常常查不到。關鍵字檢索仍然不可取代。
重排模型該不該加：延遲與命中率的實際取捨
重排幾乎一定能提升品質，問題是值不值得那 200 毫秒。這篇給判斷依據。
給答案加上引用：可追溯的 RAG 怎麼實作
沒有引用的 RAG 等於沒有依據。這篇示範讓每一句答案都能對回原文的做法。
查詢改寫：使用者問得很爛時怎麼救
真實的問題常是「那個怎麼用」。在檢索之前先把問題補完整，命中率會有明顯改善。
嵌入模型怎麼選：維度、語言與成本的三角
嵌入模型換一次就要重建整個索引，所以第一次要選對。這篇整理實際的挑選順序。
metadata 過濾：讓檢索先縮小範圍再比相似度
很多檢索問題不是相似度算錯，而是根本不該搜到那批文件。
RAG 的評測方法：分開量檢索與生成
把 RAG 當黑箱評測，永遠不知道該修哪裡。這篇拆成兩層各自量測。
PDF 進 RAG 前的清洗：頁首頁尾、表格與換行
RAG 效果差，有很高比例的原因出在 PDF 抽取階段就已經爛了。
上下文塞多少片段最好：k 值的實測方法
塞越多不一定越準。片段數對準確率的曲線通常在中段就見頂，之後反而下滑。
文件更新怎麼同步：增量索引的基本設計
文件會改，索引不能每次都全量重建。這篇是最小可行的增量更新設計。
父子片段：檢索用小段落，生成給大段落
小片段檢索準，大片段回答完整。父子結構讓你兩者兼得。
RAG 的快取設計：哪些能快取，哪些不能
RAG 有三個可快取的層次，用對了能省下大半成本，用錯了會回傳過期答案。